LTX-2.3 22B

LTX-2.3 22B 能将单个文字提示转化为完整的视频片段，并且自动同步音频。无需先生成无声画面再为其寻找配乐或音效，你只需描述你想要的场景，模型即可一次性生成画面与音效同步的视频。无论是电影人快速制作前期可视化、内容创作者产出短小社交视频、动态设计师探索新思路，还是任何希望看到自己的想法动起来、听得见而无需剪辑时间线的创作者，这都是强大的工具。

核心原理是模型读取你的文本提示，并据此生成视频。优秀的提示不仅描述了画面中的内容，还能讲述整体氛围——比如：“正午时分，一名牛仔穿过尘土飞扬的小镇，镜头从背后跟随，具备电影感景深，真实光线，西部氛围，4K胶片颗粒感。”你描述得越多，比如氛围、光影、机位动作与质感，生成结果就会越贴合你的想象。模型还能自动丰富提示词，即便简短描述也能获得细腻完整的画面。

你可以全面控制视频片段的长度和画幅。视频可长可短，最少9帧，最长可达481帧，帧率可自定义1至60帧/秒，24帧/秒为默认设置，呈现经典电影节奏。默认画面为121帧、横向16:9比例，天然适合宽屏及社交媒体，也可自由选择其它画幅，以适配不同项目。播放速度与长度联动，帧数多且帧率低时画面更慢、更柔和，帧率高时则运动更顺滑。

其中最具创造力的工具之一是相机运动的直接控制。不必将“镜头推向主体”这样模糊的表述交给模型猜测，你可直接选择实际的摄影机运动，如推镜向前、向后、左右移动，升降臂上升或下降，或锁定静止画面。这些专业、可调的机位动作让影视人能像现场拍摄一样准确反复操作，并可调节运动幅度以实现细腻或戏剧化的视觉效果，让叙事更具目的性，不再随机飘移。

音频和视频默认同步生成，也可单独关闭音频，只生成无声画面。同时，你可单独调节音画对提示的匹配紧密度，以及两者之间的权重分配——无论是想突出音景还是将焦点锁定于画面，都能灵活控制。

为实现整体连贯性和细节表现，模型采用多尺度生成：先快速草绘小尺寸草稿，再以该草稿为引导生成大尺寸高精细最终画面。这样保证了画面的一致性和洁净细节，远胜只用一次大尺寸渲染。你还可调节模型对提示的遵循程度，平衡创意自由度、精细化程度，实现速度与品质的最优组合。特定场景还可开启受控变体以提升质量。

通过负面提示，你可让模型回避不喜欢的画风。默认回避卡通、游戏风格、画面文字、水印、LOGO、字幕、慢动作和静止、平淡视频——以获得更具电影感的真实画面。你可以按美学需求修改这一设置。

输出方面，可导出多种常用格式：标准MP4、WebM、高端剪辑专用ProRes，或便捷分享用GIF动画。可选多档画质，支持更快导出、更小文件或均衡输出。加速设置也可按需取舍生成效率与画面保真度，适用快速迭代或最终成片。

出于可复现性，你可设定种子值，确保同样的提示和配置会产出一致的结果——便于你进行细微微调，无需每次从头开始。系统自带合规性安全检测，默认开启。

LTX-2.3 22B 最适合短格式电影级视频：氛围片段、概念镜头、社交短片、动画分镜或创意探索，内置音效省去了额外剪辑环节。模型以帧为单位生成自洽的瞬间场景，擅长突出单个意象，而非长篇多场景叙事。最大化利用它的关键在于：写出具象富有电影感的提示，选择有意图的机位运动，让多尺度渲染和自动精细化发挥威力。基于文本驱动的视频生成、原生音画同步，以及精准机位控制，能让创作者把想法快速转换成真实、有声有画的场景。